文/根据中日友好医院原副院长姚树坤口述整理
到医院看病，为你分诊导诊的是人工智能系统，为你指路的也是人工智能工具，检查结果出来了，人工智能迅速给出诊断参考意见……随着DeepSeek等人工智能工具问世，各大医院都积极行动，将其进行本地化布局，让人工智能深深融入到医院的方方面面。
尽管人工智能模型的算力和算法水平越来越高，但人工智能也并非万能，医生、医院应充分的认识到这一点，合理的将人工智能融入到临床诊疗工作中，而不是在“本地化”的浪潮下，一拥而上，在使用一段时间后觉得人工智能“不好用了”再一哄而散。
人工智能并非万能
人工智能并非万能，尤其在医疗领域，局限性尤为明显。一个关键问题在于人工智能无法替代医生与患者之间的情感沟通。试想一下，如果去医院就诊，医生从问诊到开检查开药，全程不抬头，不和你有任何其他的语言、目光、表情、与身体语言的交流，就医体验一定会很差。如果医生在诊疗过程中完全依赖机器，忽视与患者的情感交流，患者可能会感到被忽视，甚至对疾病治疗失去信心。
临床医师核心能力之一就是人际关系和交流技巧（Interpersonal and Communication Skills），即医患沟通能力。医患沟通不仅是医学信息的传递，更是情感的交流，而情感沟通是人工智能永远无法实现的。即便未来的机器人技术再先进，它们终究是机器，无法真正理解人类的情感，也无法通过表情、眼神和肢体语言传递关怀与温暖。
在门诊或病房中，医生的一个眼神、一句关切的问候、一个温暖的微笑，都会对患者产生积极的心理影响。这种情感上的支持和安慰，是人工智能无法提供的。
医患沟通的重要性在现代医学模式中尤为突出。当前的医学模式已经从单纯的生物医学模式转向生物-心理-社会综合医学模式，该医学模式基于人体的生理功能、心理状态相互联系、相互影响，躯体病变可以影响心理状态，而且严重的心理障碍也会诱发或加重躯体疾病。因此强调不仅要关注患者的生理指标变化，还要注重患者心理状态和社会适应能力。该模式要求医生在诊疗过程中与患者建立深度的情感连接，通过观察患者的表情、肢体语言以及情绪变化，及时调整沟通方式和治疗方案。
人工智能的优势在于其高效、精准和永不疲劳的特性，可以在辅助诊断、数据分析等方面发挥重要作用。然而，这些优势并不能取代医生在诊疗过程中的人性化关怀。我们应充分认识到人工智能的局限性，合理利用其优势，同时强调医生在诊疗过程中的核心作用。
深入挖掘人工智能使用场景
在DeepSeek之前，已有多家医院围绕人工智能展开深入探索，一些医院开展了基于人工智能的“精准预约”，为急需接受评估检查的患者精准匹配专家及绿色通道，让那些真正需要“大牌”专家诊治的患者无需等候数周，第一时间得到救治，也有些医院利用人工智能开展了AI分诊、智能导诊的服务，大幅提升患者就医的便捷性，改善患者就医体验。
相较之前的人工智能工具，DeepSeek等大语言模型要更为“智能”，其在慢病患者的健康管理中，或可发挥更大的作用。健康管理是指对个人或人群的健康危险因素进行全面管理的过程。近年来发现糖尿病、高血压、高脂血症、高尿酸血症、脂肪肝等慢病常常共患，有其共同的病因和发病机制，通过评估、预防、干预等一系列措施去除危险因素，很多患者可摆脱药物依赖而实现长期缓解，另一部分患者可长期有效控制慢病发展，减少并发症的发生率，提升患者的生存质量。
然而，由于我国医疗资源较为有限，医生难以真正形成对于慢病患者的长期监督随访。如果能够利用DeepSeek等智能工具设计出个体化的健康教育处方，针对患者的具体情况提供精准的生活方式指导，诊疗效果将事半功倍。随着AI规模化应用，从微型化、可穿戴、多参数生命指标的监测、传输，到智能化膳食、运动、心理调适全天候警示与指导，AI技术正在将健康管理从‘奢侈品’变为人人可享的“基础设施”。如糖尿病患者进餐中，AI健康管家如果实时监测到血糖升高，就可以通过手机软件及时警示患者，停止进餐并增加运动量；而进餐前，AI健康管家可识别餐盘中的营养成分含量，标注出“膳食纤维不够，需要增加蔬菜”。
影像诊断是人工智能在医疗领域应用最为成熟的领域之一，相关的人工智能模型和辅助诊断系统已经开发得较为完善，为临床医生提供了重要的参考依据。随着新一代人工智能模型的出现，我们可在已有技术基础上，推动原有模型升级迭代，从而在影像诊断中更多更快地发挥作用。
利用人工智能可进行智能化解读以及疾病预警。当某些肿瘤标志物（如前列腺特异性抗原PSA）水平升高但未达到确诊标准时，人工智能可以提供动态监测和预警提示，帮助医生和患者采取有效监测措施。对于一些需要长期观察的病变（如肺部微小结节或毛玻璃结节），人工智能可以根据影像特征变化提供个性化的监测建议。
此外，在影像诊断中，人工智能生成的分析和处理结果需要以结构化的方式呈现，以便医生快速、准确地获取关键信息。这种结构化的报告形式不仅提高了诊断效率，也有助于减少误判。
树立标准化发展范式
人工智能在医疗领域的应用正在快速发展，但要真正高效、高质量地服务于临床，仍需要克服诸多挑战。标准化发展范式是推动人工智能在医疗领域应用的关键。通过数据的标准化、模型开发的规范化、伦理和隐私保护的严格把控，以及应用场景的明确界定和持续迭代升级，可以确保人工智能技术真正服务于临床需求，提高医疗效率和质量，同时保障患者的安全和隐私。
DeepSeek等通用的人工智能模型进入医院并作为临床辅助诊断、治疗和决策支持系统被使用时，必须融入各医学专业领域的专业知识、循证医学证据、专病数据平台和临床思维模式进行深度定制，需要进一步定向开发和优化，而不是简单地依赖现成的通用模型工具。
在DeepSeek之前，已有人工智能工具进入临床，但评估这些人工智能模型的方式，通常采用“资深专家”进行论证，这种方式并不是很严谨、很科学，未来需要引入更为严谨的，基于“金标准”的临床试验，例如影像学诊断中病灶划分的准确性是否与手术和病理结果一致，以及真实性（如特异度、敏感度）是否达到临床应用的要求。一旦形成较为成熟的专科人工智能辅助诊断系统，必须在多中心、多场景包括不同医疗机构、不同地区和不同人群，验证其性能的一致性，即可靠度。
此外，伦理和隐私保护是人工智能在医疗领域应用中不可忽视的问题。数据的安全性和隐私保护至关重要，不能因技术应用而泄露患者信息。在伦理审查中，应引入临床专家、法律专家、技术专家以及患者代表共同参与，确保应用场景的规范性。对于精神科和心理科等特殊场景，由于患者表述很大可能存在主观偏差，人工智能的应用需要更加谨慎，甚至暂时不予准入。
